- 発売日：2026/08/10
- 出版社：共立出版
- ISBN：9784320125230
1 / 1
初歩からのデータサイエンス
（）
通常価格
3,190 円（税込）
通常価格
セール価格
3,190 円（税込）
単価
あたり
- 発売日：2026/08/10
- 出版社：共立出版
- ISBN：9784320125230
読み込み中...
My店舗在庫
My店舗登録で店頭在庫と店舗お受け取り可否が確認できます。(要ログイン)
店舗在庫
商品説明
本書は、データサイエンスの基盤を支える統計データ分析と機械学習という2つのテーマをコンパクトにまとめた初年次向けテキストです。数式は最小限に抑えつつも、誤解が生じやすい箇所には根拠や簡潔な証明を添え、読者を納得感のある理解へと導きます。構成は二部構成、全四章で、前半の「統計データ分析」の部では、データの種類と尺度、記述統計、可視化、確率分布、推定・検定、回帰の基礎を俯瞰します。後半の「機械学習」の部では、機械学習の基礎的知識を解説したうえで、Pythonによる演習を導入しています。各部は独立しているため、関心や授業計画に応じてどちらからでも読み進められます。章末には理解度確認のための演習問題を設けています。さらに、学びを広げるコラムを随所に設けることで、読者の興味を惹きつけ動機づけを高める工夫をしています。本書は、初学者がデータサイエンスの基礎を短期間で習得するための心強い参考書となるとともに、さらなる高度な学びへの架け橋となることが期待されます。
目次
第I部 統計データ分析
第 1 章 記述統計
1.1 統計とは
1.2 統計データ分析の基礎知識
1.2.1 記述統計
1.2.2 推測統計
1.3 データの 4 つの種類
1.3.1 名義尺度
1.3.2 順序尺度
1.3.3 間隔尺度
1.3.4 比率尺度
1.4 代表値
1.4.1 平均
1.4.2 中央値
1.4.3 最頻値
1.4.4 どの代表値を使うべきか
1.5 データの可視化
1.5.1 ヒストグラム
1.5.2 棒グラフ
1.5.3 円グラフ
1.5.4 線グラフ
1.5.5 箱ひげ図
1.5.6 散布図
1.6 分散と標準偏差
1.7 標準化
1.7.1 標準得点
1.7.2 偏差値とは何か
1.7.3 標準得点（z 得点）の平均が 0，標準偏差が 1 になる証明
1.8 相関
1.8.1 相関行列
1.8.2 相関係数を求める際の注意点
1.8.3 相関係数の計算方法
1.8.4 相関係数の意味
1.8.5 相関係数（γ）が -1≤γ≤ 1 となる照明
1.9 直線回帰
1.9.1 単回帰分析
1.9.2 回帰直線の傾き（回帰係数）と切片の求め方
1.9.3 直線回帰の例題
1.9.4 決定係数
第 2 章 推測統計と仮説検定
2.1 正規分布
2.2 標準正規分布
2.3 母集団からの標本抽出
2.3.1 母平均の推定
2.3.2 母分散の推定
2.3.3 母分散を推定する際，偏差の二乗和をn ではなくn − 1で割る理由
2.3.4 標本平均の平均と標準偏差
2.4 仮説検定
2.4.1 背理法と帰無仮説
2.4.2 標本の平均と母集団の平均（母平均）に差があるかの検定
2.4.3 １標本の平均値と母平均との差の検定（母分散が既知）
2.4.4 検定における2 種類の誤り
2.4.5 １標本の平均値と母平均との差の検定（母分散が未知）
2.4.6 ２つの平均値の比較
2.5 ３群以上の平均値の比較
2.6 様々な分析手法
2.7 一般化線形モデルによるt 検定・分散分析・重回帰分析の統一的理解
2.7.1 一般化線形モデルの特徴
2.7.2 各手法の一般化線形モデルとしての位置づけ
2.7.3 一般化線形モデルで統一的に扱う意義
2.7.4 一般化線形モデルの拡張
第II部 機械学習
第 3 章 機械学習：基礎編
3.1 機械学習とは
3.2 機械学習の種類
3.2.1 教師あり学習
3.2.2 教師なし学習
3.2.3 強化学習
3.2.4 教師あり学習・教師なし学習・強化学習の違い
3.3 統計学と機械学習の違い
3.4 機械学習の一般的な手続き
第 4 章 機械学習：実習編
4.1 Python を実行するためのセットアップ
4.1.1 Python の基本
4.1.2 Google Colaboratory のセットアップ手順
4.1.3 Jupyter Notebook のセットアップ手順
4.1.4 Jupyter Notebook環境下で のセル操作
4.2 Python における基本的な数値演算
4.2.1 四則演算
4.2.2 整数除算と余りの計算
4.2.3 べき乗の計算
4.2.4 演算の結果の型
4.2.5 括弧を使用した演算の優先順位
4.2.6 基本統計量の計算
4.3 データの準備
4.4 前処理
4.4.1 ライブラリのインポート
4.4.2 データの読み込み
4.4.3 df にデータが格納されていることを確認
4.4.4 df の要約情報(summary) を確認
4.4.5 df に含まれる欠損値の分布を確認
4.4.6 df の Brand 列にどのようなカテゴリー値（ブランド名）が含まれているかを確認
4.4.7 df の数値データ列の記述統計量を確認
4.4.8 各変数のデータ分布の特徴と外れ値の確認
4.4.9 外れ値と欠損値の再確認
4.4.10 データ列（変数）間の相関
4.5 分類問題
4.5.1 機械学習モデルでデータを学習（訓練）する
4.5.2 機械学習モデルの予測精度を評価する
4.5.3 特徴量の重要度を可視化する
4.5.4 交差検証を用いて機械学習モデルの予測精度を評価する
4.5.5 分類問題：結果の要約
4.6 回帰問題
4.6.1 データを学習する
4.6.2 予測精度を評価する
4.6.3 特徴量の重要度を可視化する
4.6.4 回帰問題：結果の要約
参考文献
略 解
索 引
第 1 章 記述統計
1.1 統計とは
1.2 統計データ分析の基礎知識
1.2.1 記述統計
1.2.2 推測統計
1.3 データの 4 つの種類
1.3.1 名義尺度
1.3.2 順序尺度
1.3.3 間隔尺度
1.3.4 比率尺度
1.4 代表値
1.4.1 平均
1.4.2 中央値
1.4.3 最頻値
1.4.4 どの代表値を使うべきか
1.5 データの可視化
1.5.1 ヒストグラム
1.5.2 棒グラフ
1.5.3 円グラフ
1.5.4 線グラフ
1.5.5 箱ひげ図
1.5.6 散布図
1.6 分散と標準偏差
1.7 標準化
1.7.1 標準得点
1.7.2 偏差値とは何か
1.7.3 標準得点（z 得点）の平均が 0，標準偏差が 1 になる証明
1.8 相関
1.8.1 相関行列
1.8.2 相関係数を求める際の注意点
1.8.3 相関係数の計算方法
1.8.4 相関係数の意味
1.8.5 相関係数（γ）が -1≤γ≤ 1 となる照明
1.9 直線回帰
1.9.1 単回帰分析
1.9.2 回帰直線の傾き（回帰係数）と切片の求め方
1.9.3 直線回帰の例題
1.9.4 決定係数
第 2 章 推測統計と仮説検定
2.1 正規分布
2.2 標準正規分布
2.3 母集団からの標本抽出
2.3.1 母平均の推定
2.3.2 母分散の推定
2.3.3 母分散を推定する際，偏差の二乗和をn ではなくn − 1で割る理由
2.3.4 標本平均の平均と標準偏差
2.4 仮説検定
2.4.1 背理法と帰無仮説
2.4.2 標本の平均と母集団の平均（母平均）に差があるかの検定
2.4.3 １標本の平均値と母平均との差の検定（母分散が既知）
2.4.4 検定における2 種類の誤り
2.4.5 １標本の平均値と母平均との差の検定（母分散が未知）
2.4.6 ２つの平均値の比較
2.5 ３群以上の平均値の比較
2.6 様々な分析手法
2.7 一般化線形モデルによるt 検定・分散分析・重回帰分析の統一的理解
2.7.1 一般化線形モデルの特徴
2.7.2 各手法の一般化線形モデルとしての位置づけ
2.7.3 一般化線形モデルで統一的に扱う意義
2.7.4 一般化線形モデルの拡張
第II部 機械学習
第 3 章 機械学習：基礎編
3.1 機械学習とは
3.2 機械学習の種類
3.2.1 教師あり学習
3.2.2 教師なし学習
3.2.3 強化学習
3.2.4 教師あり学習・教師なし学習・強化学習の違い
3.3 統計学と機械学習の違い
3.4 機械学習の一般的な手続き
第 4 章 機械学習：実習編
4.1 Python を実行するためのセットアップ
4.1.1 Python の基本
4.1.2 Google Colaboratory のセットアップ手順
4.1.3 Jupyter Notebook のセットアップ手順
4.1.4 Jupyter Notebook環境下で のセル操作
4.2 Python における基本的な数値演算
4.2.1 四則演算
4.2.2 整数除算と余りの計算
4.2.3 べき乗の計算
4.2.4 演算の結果の型
4.2.5 括弧を使用した演算の優先順位
4.2.6 基本統計量の計算
4.3 データの準備
4.4 前処理
4.4.1 ライブラリのインポート
4.4.2 データの読み込み
4.4.3 df にデータが格納されていることを確認
4.4.4 df の要約情報(summary) を確認
4.4.5 df に含まれる欠損値の分布を確認
4.4.6 df の Brand 列にどのようなカテゴリー値（ブランド名）が含まれているかを確認
4.4.7 df の数値データ列の記述統計量を確認
4.4.8 各変数のデータ分布の特徴と外れ値の確認
4.4.9 外れ値と欠損値の再確認
4.4.10 データ列（変数）間の相関
4.5 分類問題
4.5.1 機械学習モデルでデータを学習（訓練）する
4.5.2 機械学習モデルの予測精度を評価する
4.5.3 特徴量の重要度を可視化する
4.5.4 交差検証を用いて機械学習モデルの予測精度を評価する
4.5.5 分類問題：結果の要約
4.6 回帰問題
4.6.1 データを学習する
4.6.2 予測精度を評価する
4.6.3 特徴量の重要度を可視化する
4.6.4 回帰問題：結果の要約
参考文献
略 解
索 引
初歩からのデータサイエンス
カスタマーレビュー
honto本の通販ストアのレビュー(0件)
並び順:
1/1ページ
